-
题名室内用户语义位置预测研究
被引量:6
- 1
-
-
作者
王培晓
王海波
傅梦颖
吴升
-
机构
福州大学福建省空间信息工程研究中心
海西政务大数据应用协同创新中心
湖北工业大学经济与管理学院
-
出处
《地球信息科学学报》
CSCD
北大核心
2018年第12期1689-1698,共10页
-
基金
国家重点研发计划项目(2017YFB0503500)
数字福建建设项目(闽发改网数字函(2016)23号)
湖北省教育厅人文社会科学研究项目(17Q071)~~
-
文摘
位置预测技术可以提前预知用户下一时刻的位置,在基于位置的服务(Location-based Service,LBS)领域中发挥着极其重要的作用。现有的位置预测技术大多仅使用用户的地理轨迹,仅使用地理轨迹挖掘出来的用户移动模式易受地理特性的限制缺乏深层次的语义信息。本文基于某商场群体用户的室内轨迹数据和语义信息预测用户下一个时刻语义位置。语义位置预测包括停留区域识别、停留区域语义匹配、语义位置建模。在停留区域识别阶段,为减少室内停留时间不固定对停留区域识别的影响,本研究提出了一种新型的时空凝聚层次聚类算法(Spatial-Temporal Agglomerative Nesting,ST-AGNES),该算法具有思想简单、超参数少、自动生成聚类个数等优点。在语义匹配阶段,引入了吸引度规则,充分利用停留区域所有轨迹点与室内高密度的商铺名称信息做匹配。最后,采用长短型记忆神经网络模型(Long Short-Term Memory,LSTM)挖掘群体用户的语义位置模式并预测用户未来的语义位置,实验预测正确率达到61.3%。
-
关键词
LSTM模型
st-agnes算法
吸引度规则
室内轨迹
位置预测
-
Keywords
LSTM
st-agnes
attraction rule
indoor trajectory
location prediction
-
分类号
TP311.13
[自动化与计算机技术—计算机软件与理论]
-